宏景智驾CEO刘飞龙：利用「众筹法」接近自动驾驶终局

作者 / 曹锦

2018年，一支源自Cruise的初创团队准备在中国成立一家L4级自动驾驶公司。但是很快，他们就将定位由「Robotaxi量产公司」改为「L1-L4级智能驾驶方案服务商」。

这是因为，当他们做了Robotaxi样车之后，却发现不管从法规还是市场接受度来看，L4级自动驾驶都还没迎来恰当的时机。

之后的故事大家可能已经知道了，这家名为宏景智驾的公司，在刚成立三年半的时候，就实现了2亿元的营收，今年上半年的订单额更是高达4.9亿元。

（左：宏景智驾创始人兼CEO刘飞龙，右：Auto Byte负责人 曹锦）

在上海疫情期间，宏景智驾的测试团队在封控前赶至合肥和南京办公，留在上海的员工则将测试工具带回家中，就是为了应对这样的订单压力，最大限度保障交付进度。

「从营收状况和数据、技术的积累来看，当年的转型是正确的选择。」宏景智驾创始人兼CEO刘飞龙试图用一条「众筹数据」式路线，走通自动驾驶的长尾路段。

传统车企的转身工具

「在你购车之后，接到过车企的体验调研电话吗？」在得知我所驾驶的车型属于传统汽车集团时，刘飞龙反问了一个问题。

得到否定答案后，他表示，乘用车是体验型产品，而目前只有少数品牌能持续通过迭代保持体验的新鲜感。如今的传统车企与互联网车企之间最大区别不在于造车，而是在于数据能力。

研究传统动力总成技术出身的刘飞龙，曾在美国通用工作多年。如今他打交道最多的，还是传统车企。「为传统车企提供转身的工具，就是我们的价值体现。」

他所介绍的的工具，就是宏景智驾的Hyperion Data Infrastructure方案，其功能包括：数据管理、数据回放可视化、数据挖掘、回归分析、训练迭代、自动化测试、自动化标注、仿真测试等等。目前，宏景智驾的客户包括头部新势力汽车品牌以及上汽、长城、江淮和奇瑞这样的整车企业。

「头部客户的一大优点就是：项目和车的数量多，出货数量也多，所以产品迭代比别人快一步，因此为企业与终端用户带来的体验也会加速提升。越来越多的量产项目支撑宏景不断丰富各种场景的数据，通过海量数据回传和实车数据，不断升级优化算法，逐渐建立长期数据优势壁垒，最终形成基于量产-数据-算法的三角飞轮加速模式」刘飞龙认为，自动驾驶行业终究会向头部聚集，而产品的搭载数量能让数据和技术变成一个飞轮加速旋转。

（L2+域控制器）

在硬件方面，宏景智驾自研的L2+域控制器在自主品牌中出货量占全国销量27%。「截止目前为止，全国TOP15的主机厂中，1/3是我们的客户。」在此基础上，宏景智驾利用全栈自动驾驶软件算法能力的核心平台软件，为客户提供系统级解决方案。

从2018年开始，刘飞龙及团队就作出了决定：不做 POC项目，不做任何Demo，坚持量产至上。

以「众筹式数据」靠近L4

在刘飞龙看来，L4级自动驾驶之所以难以落地，除了法规和市场原因，还面临数据采集难题。「全国乃至全世界有那么多路况和场景，但凡有一个点没跑完，都不能说自己完全实现了L4。」

不过，经营策略的改变，这不意味着宏景智驾放弃了Robotaxi，一条「曲线救国」的路线，正在逐渐铺开。

刘飞龙觉得，市场是检验技术的唯一标准，也是数据的助推器。「特斯拉现在有百万数量级的量产车在路上跑，如果每台车一年跑1万公里，就会是百亿级的里程积累，发现Corner case的速度上，与几百台实验车不可同日而语。」

他表示，渐进式实现量产的好处，除了让每一步都得到验证，还能够与用户共同成长迭代。在此过程中，他发现这种「众筹」的方式，能够优化挖掘长尾效应的效率。

宏景智驾的路线，是「由点及面」地解决问题：针对某些特定路线，让每一台采集范围内的车辆将之跑成熟，再通过后台把信息汇总组合。「这种『众筹』的方式能在云端将『点』汇制成『面』，最终覆盖全场景。」

「这是渐进的过程，我们不贪求一步到位跑通所有路口，而是根据需求先走通特定路线。」在刘飞龙看来，这是个简单的逻辑：让每位车主都肩负一点测试员的责任，通过众筹众创加快迭代的。

至于经常被提起的数据归属权问题，他觉得其实很简单：「数据不属于我们，而属于车厂，但车厂需要我们帮助他来利用这些数据。」他表示，按照行业逻辑，一般是谁写软件，谁负责迭代，谁就需要利用数据去做持续优化。

按照宏景智驾的规划，今年年底该公司会从高速道路NOP推进至城市NOP，实现点到点的自动驾驶。不过，刘飞龙称「现在谈Robotaxi有点早，所以我们还是会坚持遵循市场节奏，走渐进式路线。」

激光雷达与量产论

众所周知，数据的采集，与传感器方案紧密相关。

数据可分为传感器数据和场景数据。后者与地理位置相关，而前者则因传感器的不同存在差异化，这也就牵扯出至今争论不断的「激光雷达」需求之争。

「如果将时间轴拉长至无限远，我认为纯视觉路线是可行的，但就目前来说，还不适合以『人眼』功能来论证其可行性。」刘飞龙提出了几个物理限制：人眼分辨率远远高于摄像头分辨率；大脑算力也远超芯片算力。如此，「一台傻乎乎的车，还是个近视眼，怎么与人类相较？最终局的答案，需要伴随摄像头、算力及人工智能时代的整体进步，才能逐步得出。」

另一方面，刘飞龙也表示后续会跟进乘用车上激光雷达的数据收集。「不过目前来看，纯摄像头数据也已经非常丰富，例如特斯拉的自动驾驶能力也在持续进化，这些都不是不可解的问题。」

（左：ADCU高级别自动驾驶域控制器，右：IPM智能摄像头模组）

目前，宏景智驾的量产硬件产品包括：配置1R1V或1V架构的IPM智能摄像头模组、配置5R10V12S架构的HyperPilot 2.5辅助驾驶域控制器，以及支持L3+功能的HyperWare 3.0高级别自动驾驶域控制器，搭载这些方案的车型为宏景智驾承担了收集数据的主要任务。

「现在，15万元以下的汽车产品，约占全国市场销量的50%。其搭载的L2级域控制器，数据回传和数据保存能力确实有限；同时，15万-30万元的汽车产品约占市场销量的45%，它们可搭载类似5R10V级别的高等级域控，收集数据的能力就非常强了。」刘飞龙说道。

关于传感器的布局，他同样认为应以量产作为前提。「真正的量产车传感器布局，与Robotaxi并不一样。最明显的标志是，Robotaxi车顶凸起的激光雷达，在量产车中通常会做到高度集成。」刘飞龙以这个例子带出自己的观点：按量产车设计的传感器布局，更具有量产意义。

目前，宏景智驾的每次产品迭代，都是原产品线加装同类配件，以保证最大化地复用已有数据和开发经验。同时，所有量产及研发项目均采用数据埋点回传，通过设计标准化埋点数据接口，不影响数据回灌，L2数据全部能应用L4开发复用。

通过量产掌握决赛门票

以一种逻辑来估算，如果一台车平均一年跑1万公里，10万台车就可达到10亿公里。当先行企业已可轻易积累出数十亿公里的项目经验时，后来者还有机会吗？

「对客户来说，一边是经过几十亿公里验证的成熟产品，一边是小白，答案显而易见。所以我觉得，对于后来者来说，乘用车ADAS赛道的大门正在逐渐关闭，新入局者将面临非常高的壁垒。」刘飞龙说道。

仍在不断涌入新玩家的自动驾驶赛道，在他看来，可能到2025年前后就会开始洗牌。这种时候，稳定的客户基础和项目基础就是换取决赛圈门票的关键筹码。

但是他也认为，一些新的细分赛道仍存在机会，例如自动驾驶清扫车、自动驾驶矿卡等等尚未量产落地的项目。因为目前这些赛道中还不存在「成本打到脚脖子，性能做到天上去」的选手。

不过，令人有点意外的是，近两年非常火热、且宏景智驾也非常重视的自动驾驶重卡赛道，被刘飞龙认为体量更加有限，同样需要尽快布局，而且比乘用车市场更紧迫。

「中国一年约卖2600万辆乘用车，300万辆商用车，几乎是1:10的赛道，重卡更是年均仅售100万台左右，其中的牵引车只占一半。」刘飞龙称，重卡赛道面临着大约20-30亿元规模的天花板，而乘用车市场则是一个千万量级的「大池子」，能养出更大的「鱼」。

「商用车市场的价值不在于数量，而在于服务。但其实要按照收费服务来运行起来，这还需要市场检验和探讨。」

「L3级乘用车不会形成主战场」

「不做Demo，只解决实际问题。」这样的原则同样被宏景智驾用在了自动驾驶重卡赛道上。

去年，宏景智驾发布了与江淮商用车联合打造的干线物流数字化智能重卡HyperTruck One，这款车采用了「5R6V5L」的传感器方案。在刘飞龙看来，这种方案更适合落地量产。

「我们主要考虑的还是量产：现阶段，传感器还在不断迭代，在性能、成本以及市场接受度中，我们找到了这样一种平衡方案，也更符合挖掘价值的需求。」

不过，虽然宏景智驾的L3级重卡量产项目已如箭在弦上，但在L3级乘用车方面却没有什么动静。

「今年年底我们也会开始做L3级乘用车，但它在市场上并不会形成主战场。」刘飞龙直言称，乘用车以体验为主，对于成本和投资都需要把控。而在商用车领域，车还是生产工具，需要创造更多价值。

以L3级重卡举例，安装一套10万元左右的自动驾驶系统，如果能让双驾变成单驾，5年可以节省约60万元。这也是宏景智驾让L3在商用车上先行的原因。

他表示，目前激光雷达的成本依然偏高，单颗售价为6000元左右。但是车企都在抢攻用户体验高地，必须在成本和体验之间权衡。「现在装上激光雷达可以让用户提前享受高阶智慧领航的体验，同时提前收集数据进行迭代，但前提是成本方案可行。」

「我们的策略，是要在追求技术迭代的同时，在每个 level上都要找到可以接地气的场景落地。」刘飞龙认为，L3级乘用车的市场化机会还没到，但是L3级商用车所使用的高精度地图、激光雷达感知、多创新感知这些技术栈完全是平台化的，可以移植运用到乘用车上。

现在，宏景智驾确实也在做L3级乘用车的相关规划，刘飞龙直言这是因为「汽车行业的内卷」：「如今上新速度非常快，不跟上的话就可能被认为落伍，既然客户有这种需求，那我们当然也就顺应这种需求。」

「传统经验」的新价值

从1996年进入清华大学就读汽车工程专业起，刘飞龙就一直研究发动机控制软件。直到2014年进入自动驾驶领域后，他发现自己多年来对汽车电子、汽车软件的理解，以及对行业的认知，都能发挥极大的作用，但是，「有时候经验也会是负担。」

在自动驾驶领域，经验储备需要不断迭代进化。「例如，传统汽车软件是嵌入式软件，而现在汽车软件是体验式软件。这就是有意思的地方：一边要发挥经验，对行业趋势有判断，对客户有认知；同时也要保持空杯心态，仔细研究跨界从业者的优点。」

（宏景智驾工厂）

在智能网联时代，唯一不变的就是变化，刘飞龙认为，从流程到方法，从思维方式到技术开发，「传统汽车人」都需要从底层逻辑上重新思考。

不过，这当然不代表否定传统，因为汽车工程的背景对「量产化」而言非常关键。「对于超出软件工程师范畴的机械问题，我们凭借在汽车工程层面的多年」。

刘飞龙介绍称，鉴于对「软硬结合」的考虑，宏景智驾的团队也是一支「混合团队」：一边来自百度、Cruise、华为等互联网公司，一边也有来自博世、通用、戴姆勒等传统车企的人才，更擅于推动量产、硬件和落地。「我们合在一块既能打造长板，还能保证车辆下线，这样才能打造高联动的驾驶体验。」

※「首席智行官」是Auto Byte推出的高端访谈栏目。本栏目将邀约智能出行领域的代表型人物，深入表达观点，记录时代故事。